Module 01

learn-agent-basic

这一部分是整个项目的概念地基。

如果你现在的状态是：

• 会用 ChatGPT、Claude、Cursor 这类工具
• 懂一些深度学习或大模型的基本概念
• 会写代码，但还没系统做过 Agent

那最应该先看的就是这一部分。

这里不会一上来就堆框架 API，也不会先教你“5 分钟搭一个 Agent”。相反，它会先帮你建立一套更稳定的认知：

• Agent 到底是什么
• 它和普通 LLM App、Workflow 的边界在哪里
• 一个可用的 Agent 系统最少由哪些部分组成
• 为什么很多 Demo 能跑，但一落地就开始不稳定

学习目标

学完这一部分，你至少应该能做到下面几件事：

1. 能用工程视角解释什么是 Agent，而不是把它当成营销词。
2. 能区分 Workflow、LLM App、Agent 这三类系统。
3. 知道 Tool、Memory、Planning、RAG 在系统里分别扮演什么角色。
4. 能判断一个 Agent 设计是“可用系统”，还是“看起来会动的 Demo”。

建议阅读顺序

1. 什么是 Agent
2. Workflow 和 Agent 的区别
3. 一个 Agent 系统的核心组成
4. 为什么很多 Agent Demo 一落地就不稳定
5. Tool Calling 入门
6. Memory 设计模式
7. Planning、Reflection、RAG 分别解决什么问题
8. 单 Agent 和多 Agent 的边界

这一部分的主线

你可以把 Agent 先理解成一个最小闭环：

1. 接收目标
2. 感知当前上下文
3. 决定下一步动作
4. 调用模型或工具执行动作
5. 根据结果更新状态
6. 判断是否继续，直到完成或退出

真正的区别不在于“它是不是调用了大模型”，而在于：

• 它是否有状态
• 它是否能根据中间结果改变下一步行为
• 它是否能调用外部工具
• 它是否能在不确定环境中持续推进任务

当前文章

读完之后再学什么

如果这一部分读完了，下一步建议进入：

• learn-langgraph

因为 LangGraph 解决的不是“如何调用一次模型”，而是“如何把一个有状态、可分支、可恢复的 Agent 系统组织起来”。